pandas两种纪元秒转Timestamp方法的差异及正确性咨询

你的操作没有问题，这个微小的时间差不是bug，本质是浮点数在不同计算路径下的精度累积差异导致的。

两种方法的底层差异 #

• 方法1：pandas.to_datetime(VALUE, unit='s', origin=pandas.Timestamp(2000, 1, 1))
  pandas会先将origin（2000-01-01）转换为纳秒级的整数纪元值，再把输入的秒数VALUE乘以1e9转换为纳秒数，最后将两个值相加得到总纳秒数，再转成Timestamp。但由于VALUE是浮点数，乘以1e9时可能无法得到精确的整数纳秒（比如示例中的538121125.6849735 * 1e9，实际存储的浮点数和理论精确值存在微小偏差）。

• 方法2：Y2K + pandas.to_timedelta(VALUE, unit='sec')
  先将VALUE转换为Timedelta对象，Timedelta的底层同样以纳秒整数存储，但转换浮点数秒到纳秒的计算逻辑和方法1略有不同，最终生成的纳秒整数和方法1存在细微差异，导致相加后的时间戳出现90纳秒的差值。

哪种更符合纳秒级分辨率需求？ #

两种方法理论上都支持纳秒级分辨率，但浮点数的精度限制会带来微小误差。如果追求极致精度，建议绕过浮点数计算，直接用整数纳秒进行操作：

Y2K = pandas.Timestamp(2000, 1, 1)
s = 538121125.6849735
# 先将秒数转换为整数纳秒
ns = int(round(s * 10**9))  # 或直接使用精确的整数纳秒值
t_precise = Y2K + pandas.to_timedelta(ns, unit='ns')

这种方式能避免浮点数乘法带来的精度损失，得到更精确的纳秒级时间戳。

内容的提问来源于stack exchange，提问作者Luca Mariani